V2X车辆防碰撞预警算法开发和仿真 - MathWorks

基于V2X车辆防碰撞预警算法开发和仿真

杨波广州汽车集团股份有限公司汽车工程研究院

1

CONTENTS

目录

一、V2X介绍

二、V2X-ACC算法

三、V2X-ACC控制参数寻优

四、基于Simulink和PreScan的联合仿真

五、答疑讨论

2

V2X（Vehicle to everything)，即车联网。通过无线通讯技术，将车-路-人-云等智能终端形成联网，使汽车具

备复杂环境感知，兼具智能决策、协同控制的能力，为未来出行提供安全、便捷、舒适的服务。

V2V应用

车车互联（V2V）

前碰撞告警失控预警

紧急车辆预警逆向行车告警

十字路的预警超车会车预警

紧急车辆预警紧急刹车预警

车与路侧互联（V2I）

限速预警

闯红灯预警

道路危险状况提醒

行人碰撞告警

易受破坏事物碰撞告警

车与行人互联（V2P）

车流自优化控制汽车保养车载娱乐

拥塞控制汽车保险社交通讯

道路安全服务汽车配件生活辅助

路况查看洗车预订汽车救援

车网互联（V2N）

V2P应用

一、V2X介绍

3

现状：“当前主流的自动驾驶完全依赖于传感器和摄像头”

问题：“传感器不能完全识别障碍物”

• 传感器和摄像头受环境影响十分严重，风沙、雨雪等天气下传感器和摄像头的识别率大大降低。

• 摄像头和传感器仅能感知200米范围以内障碍物。在急转弯路口、爬坡或其他视觉存在障碍时无法快速判断出危险。

特斯拉自动驾驶酿成的车祸：2016年1月20日14点整，高雅宁驾驶车辆从邯郸入口进入高速公路，并长时间沿着左侧第一车道行驶，14点08分，高雅宁还哼了几句歌，14点09分26秒，车辆径直撞上了前车的尾部并造成驾驶员死亡。

原因：“传感器和摄像头是车的眼睛和鼻子，却不能替代嘴巴和耳朵”

结论：“只有能通信的汽车才能实现完整的自动驾驶”

V2X不受外界环境影响，传输距离更广，不受视觉缺陷影响，可以弥补传感器和摄像头的缺陷。

• 传感器和摄像头是眼睛和鼻子，为车感知周围的世界。

• V2X是嘴巴和耳朵，实现车与外界的交流。

本课题研究领域行业内发展趋势

一、V2X介绍

4

（1）基于Simulink和Automated Driving Toolbox工具箱的ADAS算法开发流程

① 场景搭建

② 算法开发

③ 算法仿真与结果验证

二、V2X-ACC算法

5

（2）基于Simulink和Automated Driving Toolbox的V2X-ACC算法开发思路（Simulink demo演示）

（1）传感器（摄像头+雷达）数据融合

（2）ACC控制算法

（1）车辆模型（3DOF）（2）驾驶员转向模型（3）坐标转换（4）RV与HV数据融合

（1）场景搭建（2）初始参数设置

通过将Matlab自带demo中的传感器替换为V2X传感器（传输信号包含车辆坐标点、横摆角、车速等信息），进行基于V2X的ACC算法开发

二、V2X-ACC算法

6

（3）基于Simulink和Automated Driving Toolbox的V2X-ACC算法开发——替换摄像头、雷达为V2X（模拟）传感器数据

去掉摄像头和雷达

雷达摄像头数据

V2X传感器数据

二、V2X-ACC算法

7

（4）模拟V2X传感器，获得包含场景车车速、位置、角速度等信息的V2X信号，在Vehicle and MIO模块中进行车辆场景融合与最重要目标车辆(Most Important Object，MIO )的筛选和跟踪。

碰撞预警显示

目标车辆ID显示

二、V2X-ACC算法

8

（1）基于PSO （ Partical Swarm Optimization ,PSO ）寻优ACC控制参数

通过对设置的控制参数进行PSO优化，可获得在ACC控制中提升驾驶的舒适性已经路径跟踪的准确性。

目标函数： PSO寻优过程：

粒子群算法（PSO） Simulink

产生粒子群粒子依次赋值

粒子群更新操作

满足终止条件？

结束

开始

运行控制系统模型

输出性能指标


9

（2）优化前后仿真数据对比

通过PSO优化前后数据对比，可以看出，优化后ACC控制中，Accelerate变化更加平滑，提升了ACC驾驶的舒适性，同时安全性也优于优化前。


10

（1）基于PreScan和Simulink的联合仿真流程

① 基于PreScan的场景建设

② 基于Simulink的算法建模 ③ 基于PreScan的后处理观测


11

（2）PreScan场景建模

场景一：复杂弯道车辆跟随

场景二：十字交叉路口碰撞

基于PreScan生成的Simulink 车辆模块，包含车辆自身参数、车辆预设行驶轨迹、道路信息、传感器信息、驾驶员模型和预警及控制算法等设定


12

（3）基于PreScan的Simulink 预警算法开发

预警算法

车辆GPS信号与场景模型驾驶员模型与车辆动力学模型

预警GUIV2X信号接收模型

V2X信号发送模型


13

（3）基于PreScan的Simulink V2X算法模型开发

方位判断自行车模型矢量计算


14

（3）基于PreScan的Simulink V2X算法模型开发

方位判断

矢量计算

不依赖道路形状的前向碰撞算法


15

（4）V2X信号的组装与广播传输

根据国标，组装所需广播的V2X信号

获取车辆自身GPS信号及动力学参数

模拟V2X信号的广播


16

（5）V2X信号接收与算法结果展示

Wnlvl: 预警等级，对有潜在威胁的车辆进行预警计算，并判断预警等级

Threaten: 判断观测到的远车是否有潜在威胁，如果没有则不进行预警计算

模拟V2X信号接收与解析，并对收到的每辆车的V2X信号分别进行威胁判断以及预警计算

使用预警计算的结果生成预警GUI

预警算法


17

（6）V2X预警GUI显示

检测到预警信号时，根据危险车辆相对主车方位实时显示预警图例

实时显示预警等级，预警信号及危险车辆相对主车的方位

基于Simulink的GUI模块


18

五、答疑讨论

总结

1. 完成基于Simulink和Automated Driving

Toolbox的V2X-ACC建模仿真，适用于直道

及定曲率弯道，并通过PSO算法优化模型，

自动选出最优调整PID控制参数，成功减少

控制后的动力学参数波动。

2. 完成基于PreScan和Simulink联合仿真的

V2X碰撞预警模型，适用于任意曲率弯道和

交汇道路，根据预警结果及远车向对主车

方位显示预警GUI。

V2X车辆防碰撞预警算法开发和仿真 - MathWorks

Documents

Transcript of V2X车辆防碰撞预警算法开发和仿真 - MathWorks